[发明专利]一种声学回波消除与去混响方法及装置

说明书

本发明实施例公开了一种声学回波消除与去混响方法及装置，方法包括：根据麦克风拾取语音时域信号与扬声器传出的远端说话人语音时域信号，确定与其对应的频域信号；根据麦克风拾取语音频域信号、远端说话人语音频域信号及预置的级联网络中的回波消除阶段神经网络，确定估计掩蔽；根据估计掩蔽、麦克风拾取语音频域信号的幅度谱及预置的级联网络中的去混响阶段神经网络，确定隐掩蔽；根据麦克风拾取语音频域信号的幅度谱、估计掩蔽、隐掩蔽与麦克风拾取语音频域信号的相位，确定估计目标语音时域信号。本发明实施例通过预置的级联网络既抑制麦克风拾取语音时域信号中的回波，又抑制混响，增强了麦克风拾取语音时域信号，保持目标语音的完整。

技术领域

本发明涉及语音信号处理领域。尤其涉及一种声学回波消除与去混响方法及装置。

背景技术

在现代通信系统中，例如电话会议、免提通话等，由于信号传输过程表面反射的存在以及扬声器与麦克风之间耦合作用的存在，远端说话人往往会听到一种混合信号，其中包含了回波(即滞后了的自己的声音)与带混响的近端语音。回波与混响都会严重降低目标语音的质量，因此，如何去除回波与混响成为了语音信号处理领域的重要挑战。

在最近几年，基于深度学习的方法已经被广泛应用到语音信号处理当中，比如基于深度学习的语音分离与语音增强。诸多研究表明，基于深度学习的算法可以获得比传统信号处理方法更优异的处理效果。目前已经有大量的研究在利用深度学习进行回波消除或去混响，相较于传统的信号处理算法，基于神经网络的算法性能在单独回波消除或去混响任务上都有了极大的提高。然而这些算法仅仅考虑了环境中单独存在回波或混响时的情况，因此当两种干扰同时存在时，以上算法并不能很好的对麦克风拾取语音信号进行增强。

发明内容

由于现有方法存在上述问题，本发明实施例提出一种声学回波消除与去混响方法及装置。

第一方面，本发明实施例提出一种声学回波消除与去混响方法，包括：

根据麦克风拾取语音时域信号与扬声器传出的远端说话人语音时域信号，确定麦克风拾取语音频域信号与远端说话人语音频域信号；其中，所述麦克风拾取语音时域信号包括：近端说话人语音时域信号、回波和混响；

根据所述麦克风拾取语音频域信号、所述远端说话人语音频域信号及预置的级联网络中的回波消除阶段神经网络，确定估计掩蔽；

根据所述估计掩蔽、所述麦克风拾取语音频域信号的幅度谱及所述预置的级联网络中的去混响阶段神经网络，确定隐掩蔽；

根据所述麦克风拾取语音频域信号的幅度谱、所述估计掩蔽、所述隐掩蔽与所述麦克风拾取语音频域信号的相位，确定估计目标语音时域信号。

在另一个可能的实现中，所述根据麦克风拾取语音时域信号与扬声器传出的远端说话人语音时域信号，确定麦克风拾取语音频域信号与远端说话人语音频域信号，包括：

对麦克风拾取语音时域信号与远端说话人语音时域信号每次分别取预设个数采样点作为一帧信号；

对每一帧信号进行加窗；

对加窗后的每一帧信号进行傅里叶变换，得到所述麦克风拾取语音频域信号与所述远端说话人语音频域信号。

在另一个可能的实现中，所述根据所述麦克风拾取语音频域信号、所述远端说话人语音频域信号及所述预置的级联网络中的回波消除阶段神经网络，确定估计掩蔽，包括：

将所述麦克风拾取语音频域信号的幅度谱和所述远端说话人语音频域信号的幅度谱分别进行对数压缩，得到第一对数幅度谱和第二对数幅度谱；

将所述第一对数幅度谱与所述第二对数幅度谱逐帧拼接，并将逐帧拼接结果输入到所述预置的级联网络中的回波消除阶段神经网络，输出为所述估计掩蔽。